I en nylig undersøgelse udført af Cardiovascular Data Science (CarDS) Lab ved Yale School of Medicine udviklede forskere et kunstig intelligens (AI) værktøj, der identificerer personer med høj risiko for at udvikle hjertesvigt ved at analysere elektrokardiogram (ECG) billeder. Dette innovative værktøj muliggør tidligere påvisning af hjertesvigt, hvilket ifølge forskerne kan medføre et fald i indlæggelser og for tidlige dødsfald. Resultaterne fra undersøgelsen blev offentliggjort online i European Heart Journal. ECG’er er ikke-invasive undersøgelser, der vurderer hjerternes elektriske aktivitet ved hjælp af elektroder placeret på huden. Da disse tests ofte udføres og er let tilgængelige, fungerer de som en fremragende platform til screening for hjertesvigt i stor skala. Hjertesvigt er en udbredt kardiovaskulær tilstand, der påvirker millioner globalt. I øjeblikket involverer identifikation af personer med høj risiko for hjertesvigt typisk en kombination af kliniske evalueringer, herunder en omfattende klinisk historie, fysiske undersøgelser og blodprøver, som ikke altid er tilgængelige, bemærker første forfatter Lovedeep Singh Dhingra, MBBS, postdoc i CarDS Lab. Ifølge Dhingra repræsenterer det AI-drevne værktøj et stort fremskridt i vurderingen af risikoen for hjertesvigt. “Vores model, der bruger et fotografi af et 12-leddet ECG som inddata, var i stand til effektivt at vurdere risikoen for hjertesvigt på tværs af forskellige befolkninger i USA, Storbritannien og Brasilien, ” sagde han.

“Vi kan nu forudse, hvem der kunne være i risiko for at udvikle hjertesvigt i fremtiden, selv før de viser klare symptomer. ” Studiets seniorforfatter, Rohan Khera, MD, MS, assisterende professor i medicin (kardiovaskulær medicin) og direktør for CarDS Lab, fremhævede de betydelige folkesundhedsmæssige implikationer af denne forskning. “Hver gang en kliniker udfører et ECG—en procedure, der allerede er en del af standard klinisk behandling—giver vores enkle værktøj en mulighed for screening og risikovurdering af kardiovaskulær sygdom, ” forklarede Khera. “Den brede tilgængelighed af ECG-teknologi, også i ressourcerede begrænsede miljøer, muliggør tidlig intervention og forbedrede resultater for patienter, der ellers kunne forblive udiagnosticerede. ” Som en del af CarDS Labs globale initiativ blev AI-modellen testet på tværs af forskellige internationale befolkninger, hvilket understreger dens potentiale for bred implementering. “Vores mål er at sikre en bred og retfærdig integration af AI-baserede sundhedsteknologier i den daglige medicinske praksis, ” tilføjede Khera. “Dette er vores næste udfordring. ” Denne forskning modtog finansiering fra tilskud givet af National Heart, Lung, and Blood Institute, National Institute on Aging ved National Institutes of Health (NIH) og Doris Duke Charitable Foundation. Andre forfattere tilknyttet Yale inkluderer Arya Aminorroaya, MD, PhD, Veer Sangha, Aline Pedroso, PhD, Harlan Krumholz, MD, SM, og Evangelos Oikonomou, MD, DPhil. For yderligere information kan du læse artiklen med titlen “Hjertesvigt risiko stratifikation ved hjælp af kunstig intelligens anvendt på elektrokardiogrambilleder: en multinational undersøgelse. ” Afdelingen for intern medicin ved Yale School of Medicine er en af landets førende afdelinger og samler en elitegruppe af klinikere, forskere, undervisere og personale inden for en af verdens bedste medicinske skoler. For at lære mere, besøg Intern Medicin.